Еволюційна обробка зображень () — підобласть цифрової обробки зображень. Еволюційні алгоритми () використовують для оптимізації та розв'язання різноманітних задач обробки зображень. Таким чином еволюційна обробка зображень поєднує еволюційну оптимізацію та цифрову обробку зображень. Еволюційні алгоритми застосовують у комп'ютерних науках уже кілька десятиліть для оптимізації різних задач, однак їх застосування в обробці зображень усе ще є відносно новою галуззю досліджень. Це пов'язано насамперед із рівнем розвитку обчислювальних систем, оскільки еволюційна обробка зображень є відносно обчислювально затратним процесом.
Еволюційний комп'ютерний зір () — застосування еволюційної обробки зображень до задач комп'ютерного зору. Показано, що генетичне програмування (ГП) як підклас еволюційних алгоритмів є особливо корисним для обробки зображень.
Генетичне програмування для обробки зображень
В еволюційній обробці зображень генетичне програмування оптимізує компонування різних операторів обробки зображень для отримання певних результатів або показників якості виконання завдання. Станом на 2021 рік, порівняно з популярними й добре розвиненими згортковими нейронними мережами, ГП є новою технікою для навчання ознак. Зокрема, ГП використовували для розробки точних класифікаторів для виявлення об'єктів, класифікації медичних зображень і оптичного розпізнавання символів. ГП має кілька переваг для задач обробки зображень. Серед них: результат роботи ГП — це програма або набір програм у вигляді математичних виразів, які легко інтерпретувати після спрощення та перетворення у звичайний запис; еволюція класифікаторів на основі ГП потребує значного часу, однак отримане дерево ГП виконується дуже швидко на етапі тестування; функція пристосованості ГП гнучка і може бути адаптована до конкретної задачі.
Недоліки ГП для обробки зображень: обчислювальні витрати на еволюцію класифікаторів на основі ГП дуже високі; для навчання потрібен великий набір даних; через стохастичну природу методу розв'язок не гарантований.
Примітки